IkiWiki/Plugin/htmlscrubber.pm

   1 #!/usr/bin/perl
   2 package IkiWiki::Plugin::htmlscrubber;
   3
   4 use warnings;
   5 use strict;
   6 use IkiWiki;
   7
   8 sub import { #{{{
   9         hook(type => "sanitize", id => "htmlscrubber", call => \&sanitize);
  10 } # }}}
  11
  12 sub sanitize (@) { #{{{
  13         my %params=@_;
  14         return scrubber()->scrub($params{content});
  15 } # }}}
  16
  17 my $_scrubber;
  18 sub scrubber { #{{{
  19         return $_scrubber if defined $_scrubber;
  20
  21         # Only known uri schemes are allowed to avoid all the ways of
  22         # embedding javascrpt.
  23         # List at http://en.wikipedia.org/wiki/URI_scheme
  24         my $uri_schemes=join("|",
  25                 # IANA registered schemes
  26                 "http", "https", "ftp", "mailto", "file", "telnet", "gopher",
  27                 "aaa", "aaas", "acap",  "cap", "cid", "crid",
  28                 "dav", "dict", "dns", "fax", "go", "h323", "im", "imap",
  29                 "ldap", "mid", "news", "nfs", "nntp", "pop", "pres",
  30                 "sip", "sips", "snmp", "tel", "urn", "wais", "xmpp",
  31                 "z39.50r", "z39.50s",
  32                 # Selected unofficial schemes
  33                 "about", "aim", "callto", "cvs", "ed2k", "feed", "fish", "gg",
  34                 "irc", "ircs", "lastfm", "ldaps", "magnet", "mms",
  35                 "msnim", "notes", "rsync", "secondlife", "skype", "ssh",
  36                 "sftp", "sms", "steam", "webcal", "ymsgr",
  37         );
  38         # data is a special case. Allow data:image/*, but
  39         # disallow data:text/javascript and everything else.
  40         my $link=qr/^(?:$uri_schemes:|data:image\/|[^:]+$)/i;
  41
  42         eval q{use HTML::Scrubber};
  43         error($@) if $@;
  44         # Lists based on http://feedparser.org/docs/html-sanitization.html
  45         $_scrubber = HTML::Scrubber->new(
  46                 allow => [qw{
  47                         a abbr acronym address area b big blockquote br
  48                         button caption center cite code col colgroup dd del
  49                         dfn dir div dl dt em fieldset font form h1 h2 h3 h4
  50                         h5 h6 hr i img input ins kbd label legend li map
  51                         menu ol optgroup option p pre q s samp select small
  52                         span strike strong sub sup table tbody td textarea
  53                         tfoot th thead tr tt u ul var
  54                 }],
  55                 default => [undef, { ( map { $_ => 1 } qw{
  56                         abbr accept accept-charset accesskey
  57                         align alt axis border cellpadding cellspacing
  58                         char charoff charset checked cite class
  59                         clear cols colspan color compact coords
  60                         datetime dir disabled enctype for frame
  61                         headers height hreflang hspace id ismap
  62                         label lang longdesc maxlength media method
  63                         multiple name nohref noshade nowrap prompt
  64                         readonly rel rev rows rowspan rules scope
  65                         selected shape size span start summary
  66                         tabindex target title type usemap valign
  67                         value vspace width
  68                 } ),
  69                 "/" => 1, # emit proper <hr /> XHTML
  70                 href => $link,
  71                 src => $link,
  72                 action => $link,
  73                 }],
  74         );
  75         return $_scrubber;
  76 } # }}}
  77
  78 1